PENGANTAR

PROGRAM LINIER

DIKTAT

JURUSAN TADRIS MATEMATIKA INSTITUT AGAMA ISLAM NEGERI (IAIN)

SYEKH NURJATI CIREBON

DIKTAT

PROGRAM LINIER

(Kode MK: AE019)

PRAKATA

Puji syukur kehadirat Allah SWT atas perkenaan-Nya sehingga

penyusunan dan penulisan Diktat Program Linier ini dapat terselesaikan

dengan baik dan tepat waktu. Salam dan doa tak lupa pula penulis haturkan

kepada suri tauladan kita, Nabi Muhammad SAW. Diktat ini bertujuan untuk

mendapatkan pengertian yang lebih mendalam mengenai materi kuliah

Program Linier yang diberikan.

Diktat ini berisi materi mata kuliah Program Linier yaitu penyelesaian

permasalahan program linier dengan metode grafik dan metode simpleks,

primal dan dual, uji sensitivitas, dan masalah transportasi. Diktat ini juga

memuat contoh soal dan latihan soal yang diharapkan dapat membantu

pembaca memahami materi.

Penyusun menyadari sepenuhnya bahwa diktat ini masih banyak

kekurangan. Untuk itu, penyusun mengharapkan masukan dari semua pihak

terkait untuk perbaikan penuntun ini. Akhir kata, semoga buku ini

bermanfaat bagi pengguna, khususnya para mahasiswa S-1 Jurusan Tadris

Matematika IAIN Syekh Nurjati Cirebon.

Cirebon, Februari 2020

Penyusun

ii

DAFTAR ISI

PENDAHULUAN ......................................................................................................... 1

A. PENGERTIAN .................................................................................................. 1

B. BENTUK UMUM PROGRAM LINIER ............................................................... 2

METODE GRAFIK ........................................................................................................ 4

A. METODE TITIK EKSTRIM ................................................................................ 4

B. METODE GARIS SELIDIK ................................................................................. 5

METODE SIMPLEKS .................................................................................................... 7

A. METODE SIMPLEKS BIASA ............................................................................. 8

B. METODE SIMPLEKS DUA FASE .................................................................... 13

C. METODE SIMPLEKS BIG-M .......................................................................... 17

D. PENYELESAIAN PROGRAM LINIER ............................................................... 20

PRIMAL DAN DUAL .................................................................................................. 23

A. PENGERTIAN ................................................................................................ 23

B. PENYELESAIAN PADA PRIMAL DAN DUAL .................................................. 26

UJI SENSITIVITAS ..................................................................................................... 29

A. PENGERTIAN ................................................................................................ 29

B. PERUBAHAN KAPASITAS SUMBER DAYA (RUAS KANAN F.KENDALA) ...... 31

C. PERUBAHAN KOEFISIEN FUNGSI TUJUAN .................................................. 32

D. PENAMBAHAN KENDALA BARU .................................................................. 33

E. PENAMBAHAN VARIABEL BARU ................................................................. 35

F. PERUBAHAN KOEFISIEN FUNGSI KENDALA ................................................ 37

MASALAH TRANSPORTASI ...................................................................................... 41

A. MENCARI SOLUSI AWAL YANG FEASIBLE ................................................... 45

1. METODE NWC (NORTH WEST CORNER) ............................................. 45

2. METODE INSPEKSI/ BIAYA SEL MINIMUM ......................................... 46

3. VAM (METODE PINALTI) ..................................................................... 48

iii

B. OPTIMALISASI PROGRAM (PENGUJIAN DAN PERBAIKAN PROGRAM) ..... 50

1. METODE STEPPING STONE ................................................................. 50

2. MODI (Modified Distribution) ............................................................ 53

C. PERSEDIAAN DAN PERMINTAAN TAK SEIMBANG ..................................... 58

D. PO TIDAK TUNGGAL .................................................................................... 60

1

PENDAHULUAN

A. PENGERTIAN

Pada tahun 1947, konsep Program Linier (PL) mulai dikembangkan

oleh seorang matematikawan AS, George B. Dantzig. Pemprograman linier

adalah metode matematik dalam mengalokasikan sumber daya yang

terbatas untuk mencapai hasil yang optimum seperti memaksimalkan

keuntungan atau meminimummkan biaya.

Program linier banyak digunakan untuk menyelesaikan masalah

optimasi didalam bidang bisnis, industri, perbankan, pendidikan, dan

masalah-masalah lain yang dapat dinyatakan dalam bentuk linier. Agar

suatu masalah optimasasi dapat diselesaiakan dengan program linier,

masalah program linier itu harus dapat diubah menjadi permasalahan

matematis. Ini berarti bahwa masalah tadi harus bisa dituangkan kedalam

bentuk model matematika, yang terdiri dari:

1. Variabel penentu atau variabel keputusan, yaitu variabel yang dapat

menentukan keputusan‐keputusan yang akan dibuat dalam

pencapaian solusi optimal

2. Fungsi tujuan, yaitu fungsi linier yang menggambarkan tujuan atau

sasaran yang hendak dicari nilai optimumnya

3. Fungsi kendala, yaitu fungsi-fungsi linier yang harus terpenuhi dalam

optimasi fungsi tujuan, dapat berbentuk persamaan atau

pertidaksamaan

4. Batasan variabel

Batasan variabel menggambarkan tentang wilayah variabel. Jumlah

sumber daya yang tersedia untuk persoalan ini tidak boleh bernilai

negative

𝑥𝑖𝑗 ≥ 0 untuk 𝑖 = 1,2, … ,𝑚 dan 𝑗 = 1,2, … , 𝑛

2

B. BENTUK UMUM PROGRAM LINIER

Fungsi tujuan (maksimum atau minimum)

𝑍(𝑚𝑎𝑥/𝑚𝑖𝑛) = 𝑐1𝑥1 + 𝑐2𝑥2 +⋯+ 𝑐𝑛𝑥𝑛

Fungsi kendala

𝑎11𝑥1 + 𝑎12𝑥2 +⋯+ 𝑎1𝑛𝑥𝑛 ≤ (𝑎𝑡𝑎𝑢 ≥) 𝑏1

𝑎21𝑥1 + 𝑎22𝑥2 +⋯+ 𝑎2𝑛𝑥𝑛 ≤ (𝑎𝑡𝑎𝑢 ≥) 𝑏2

…

𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 +⋯+ 𝑎𝑚𝑛𝑥𝑛 ≤ (𝑎𝑡𝑎𝑢 ≥) 𝑏𝑚

𝑥1, 𝑥2, … , 𝑥𝑛 ≥ 0

Keterangan:

m : banyaknya jenis sumber yang terbatas atau fasilitas yang tersedia.

n : banyaknya kegiatan‐kegiatan yang menggunakan sumber atau

fasilitas terbatas tersebut

𝑥𝑗 : variabel keputusan untuk kegiatan ke‐ j (j=1,2, … , n).

𝑎𝑖𝑗 : banyaknya sumber i yang diperlukan untuk menghasilkan setiap unit

keluaran (output) kegiatan j (i=1,2, … , m; j=1,2, … , n).

𝑏𝑖 : banyaknya sumber (fasilitas) yang tersedia untuk dialokasikan ke

setiap unit kegiatan (i=1,2, … , m).

𝑐𝑗 : kenaikan nilai Z apabila pertambahaan tingkat kegiatan (𝑥𝑖𝑗) dengan

satu satuan (unit) atau merupakan sumbangan setiap satuan

keseluruhan kegiatan j terhadap nilai Z.

Z : nilai yang dioptimalkan (maksimum atau minimum).

CONTOH 1

Sebuah perusahaan meubel akan memproduksi lemari dan meja. Setiap

produk melalui 2 tahap pengerjaan yaitu pemotongan dan tahap

perampungan. Proses pemotongan lemari dan meja masing-masing

membutuhkan waktu 4 jam. Sedangkan untuk proses perampungan,

3

diperlukan waktu 3 jam untuk lemari dan 2 jam untuk meja. Waktu yang

tersedia untuk proses pemotongan setiap periode adalah 100 jam,

sedangkan proses perampungan setiap periode adalah 60 jam. Setiap lemari

memberikan laba Rp 500.000,- dan setiap meja memberikan laba Rp

300.000,-. Berapa jumlah lemari dan meja yang harus diproduksi setiap

periode agar perusahaan memperoleh laba maksimum?

Data yang diketahui dari permasalahan di atas dapat disajikan dalam tabel

berikut:

Produk Lemari Meja Kapasitas waktu

yang tersedia (jam)

Proses pemotongan

(jam) 4 3 100

Proses perampungan

(jam) 4 2 60

Laba per produk 500.000 300.000

Variabel penentu:

Misal

𝑥1 = banyaknya lemari yang harus diproduksi dalam satu periode

𝑥2 = banyaknya meja yang harus diproduksi dalam satu periode

Fungsi tujuan:

𝑍𝑚𝑎𝑥 = 500000 𝑥1 + 300000 𝑥2

Fungsi kendala:

4𝑥1 + 3𝑥2 ≤ 100

4𝑥1 + 2𝑥2 ≤ 60

Syarat non negatif

𝑥1, 𝑥2 ≥ 0

4

METODE GRAFIK

A. METODE TITIK EKSTRIM

Cara penyelesaian dengan metode grafik dilakukan dengan cara

menggambarkan semua pertidaksamaan fungsi kendala dan syarat non-

negatif dalam sebuah grafik. Namun, tidak semua permasalahan PL bisa

diselesaikan dengan metode grafik karena banyaknya variable fungsi

kendala dan fungsi tujuan bersesuaian dengan ruang grafik. Misal, jika ada

tiga variable maka grafik penyelesaian PL berada pada 𝑅3. Masalah

program linear dua variabel (n=2) bisa diselesaikan dengan metode grafik,

sedangkan untuk n ≥ 2 diselesaikan dengan metode simpleks.

Langkah penyelesaian dengan metode titik ekstrim yaitu:

1. Gambarkan dan tentukan daerah-daerah semua grafik fungsi kendala

dan fungsi pembatas (syarat non negative).

2. Tentukan daerah penyelesian yang feasible, yaitu daerah yang

memenuhi semua fungsi kendala dan syarat non negative.

3. Tentukan titik ekstrim (sudut) dari daerah feasible. Setiap titik ekstrim

merupakan titik interseksi dari dua pembatasan linier.

4. Substitusi setiap titik ekstrim daerah feasible ke dalam fungsi tujuan

(Z) untuk mendapatkan solusi optimum. Solusi optimum terletak

pada salah satu titik ekstrim daerah feasible

CONTOH 2

Tentukan nilai maksimum fungsi

𝑍𝑚𝑎𝑥 = 8𝑥 + 6𝑦

Dengan fungsi kendala:

4𝑥 + 2𝑦 ≤ 60

2𝑥 + 4𝑦 ≤ 48

𝑥, 𝑦 ≥ 0

Penyelesaian:

Gambar semua fungsi kendala dan syarat non negatif. Didapatkan

daerah penyelesaian feasible (daeran HP) seperti gambar berikut.

5

Titik Ekstrim 𝒁 = 𝟖𝒙 + 𝟔𝒚

(0, 12) Z = 72

(0, 0) Z = 0

(15, 0) Z = 120

(12, 6) Z = 132

Dari substitusi titik-titik ekstrim ke fungsi Z, diperoleh bahwa nilai Z

maksimum adalah 132 dengan nilai 𝑥 = 12 dan 𝑦 = 6.

B. METODE GARIS SELIDIK

Langkah menentukan daerah penyelesaian feasible dan titik-titik ekstrim

sama dengan metode grafik titik ekstrim. Akan tetapi, digunakan garis

selidik untuk menentukan titik optimum dan nilai Z optimum dengan cara

sebagai berikut.

1. Buat garis selidik dari persamaan fungsi tujuan (garis yang gradiennya

sama dengan gradien fungsi tujuan)

2. Geser secara sejajar hingga mencapai titik-titik ekstrim

3. Untuk masalah memaksimumkan, titik ekstrim terakhir yang

tersentuh garis selidik merupakan Penyelesaian Optimal (PO)

4. Untuk masalah meminimumkan, titik ekstrim pertama yang tersentuh

garis selidik merupakan Penyelesaian Optimal (PO)

(12,6)

6

5. Jika garis selidik memotong tepat pada satu titik maka penyelesaian

masalah program linier tersebut tunggal. Namun jika garis selidik

menghimpit suatu sisi terluar daerah penyelesaian, maka masalah

program linier tersebut mempunyai banyak solusi.

CONTOH 3

Tentukan nilai maksimum fungsi

𝑍𝑚𝑎𝑥 = 8𝑥 + 6𝑦

Dengan fungsi kendala:

4𝑥 + 2𝑦 ≤ 60

2𝑥 + 4𝑦 ≤ 48

𝑥, 𝑦 ≥ 0

Penyelesaian:

Gambar semua fungsi kendala dan syarat non negatif. Didapatkan

daerah penyelesaian feasible (daeran HP) seperti gambar berikut.

Garis yang berwarna biru merupakan garis selidik yang dibentuk dari

fungsi tujuan (Z). Setelah menggeser garis selidik ke atas kanan,

diperoleh titik ekstrim yang paling akhir dilalui oleh pergeseran garis

selidik adalah titik (12,6). Oleh karena itu, penyelesaiaan optimumnya

adalah:

𝑍 = 8.12 + 6.6 = 132

(12,6)

7

METODE SIMPLEKS

Masalah program linear dengan dua atau lebih dari dua variabel (n ≥

2) diselesaikan dengan metode simpleks. Penentuan solusi optimal

menggunakan metode simpleks didasarkan pada teknik eleminasi Gauss

Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim

satu per satu dengan cara perhitungan iteratif. Penentuan solusi optimal

dengan simpleks dilakukan tahap demi tahap yang disebut dengan iterasi.

Iterasi ke-i hanya tergantung dari iterasi sebelumnya (i-1).

Metode simpleks dimulai dari suatu pemecahan dasar yang feasibel ke

pemecahan dasar feasibel lainnya dan ini di lakukan berulang- ulang (dengan

jumlah ulangan yang terbatas) sehingga tercapai sesuatu pemecahan yang

optimum. Setiap iterasi menghasilkan suatu nilai fungsi tujuan yang selalu

lebih besar atau sama dari iterasi sebelumnya.

Beberaps istilah yang harus dipahami dalam metode simpleks:

1. Variabel slack adalah variable non negatif yang ditambahkan pada

ruas kiri pertidaksamaan fungssi kendala yang berbentuk ≤

2. Variabel surplus adalah variable non negatif yang masukkan sebagai

pengurang pada ruas kiri pertidaksamaan fungssi kendala yang

berbentuk ≥

3. Variabel buatan merupakan variabel yang ditambahkan ke fungsi

kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel

basis awal.

4. Variabel basis merupakan variabel dimana kolomnya hanya memuat

satu bilangan tak nol

5. Variabel non basis adalah variabel dimana kolomnya memuat lebih

dari satu elemen tak nol

6. Kolom Pivot (Kolom Kunci) yaitu kolom yang memuat variabel

masuk (entering variable).

7. Baris Pivot (Baris kunci) yaitu baris yang memuat variabel keluar

(leaving variable)

8. Elemen Pivot (Elemen kunci) yaitu elemen yg terletak pada

perpotongan kolom dan baris pivot.

8

9. Variabel masuk (entering variable) merupakan variabel yang terpilih

menjadi variabel basis pada iterasi berikutnya.

10. Variabel keluar (leaving variable) merupakan variabel yang keluar

dari variabel basis pada iterasi berikutnya dan digantikan dengan

variabel masuk.

Permasalahan PL yang akan diselesaikan dengan metode simpleks harus

diubah menjadi bentuk baku (standard form), yaitu:

1. Semua fungsi kendala dinyatakan dalam bentuk persamaan

2. Ruas kanan pada fungsi kendala harus non negatif

3. Semua variabel bernilai non negatif (syarat non negatif)

A. METODE SIMPLEKS BIASA

Langkah-langkah penyelesaian PL dengan metode simpleks biasa yaitu:

1. Ubah model permasalahan menjadi bentuk baku

2. Buat table simpleks

3. Tentukan nilai 𝑍𝑗 − 𝑐𝑗 dengan ketentuan sebagai berikut.

Untuk masalah maksimum → 𝑍𝑗 − 𝑐𝑗 ≥ 0

Untuk masalah minimum → 𝑍𝑗 − 𝑐𝑗 ≤ 0

4. Tentukan kolom kunci

Pada masalah maksimum, jika masih ada nilai 𝑍𝑗 − 𝑐𝑗 ≤ 0, pilih kolom

kunci dengan memilih nilai 𝑍𝑗 − 𝑐𝑗 paling negatif atau |𝑍𝑗 − 𝑐𝑗| paling

besar.

5. Tentukan baris kunci. Mula-mula tentukan rasio/indeks dengan cara

membagi nilai kanan dengan elemen kolom kunci yang bersesuaian.

Baris kunci dipilih dari rasio yeng mempunyai nilai positif paling kecil

6. Tentukan elemen kunci, yaitu perpotongan antara elemen kunci dan

baris kunci. Variabel yang bersesuaian dengan elemen kunci akan

menjadi variable yang masuk menjadi basis baru.

7. Buat table simpleks yang kedua.

8. Tentukan variabel basis pada table yang kedua

9. Tentukan elemen-elemen baris kunci yang baru dengan cara:

9

𝑏𝑎𝑟𝑖𝑠 𝑘𝑢𝑛𝑐𝑖 𝑏𝑎𝑟𝑢 = 𝑏𝑎𝑟𝑖𝑠 𝑘𝑢𝑛𝑐𝑖 𝑙𝑎𝑚𝑎

𝑒𝑙𝑒𝑚𝑒𝑛 𝑘𝑢𝑛𝑐𝑖

10. Tentukan elemen- baris non kunci yang baru 𝑏𝑎𝑟𝑖𝑠 𝑛𝑜𝑛 𝑘𝑢𝑛𝑐𝑖 𝑏𝑎𝑟𝑢 =

𝑏𝑎𝑟𝑖𝑠 𝑛𝑜𝑛 𝑘𝑢𝑛𝑐𝑖 𝑙𝑎𝑚𝑎 − (𝑒𝑙𝑒𝑚𝑒𝑛 𝑘𝑜𝑙𝑜𝑚 𝑘𝑢𝑛𝑐𝑖 𝑦𝑎𝑛𝑔 𝑏𝑒𝑟𝑠𝑒𝑠𝑢𝑎𝑖𝑎𝑛 𝑥 𝑏𝑎𝑟𝑖𝑠 𝑘𝑢𝑛𝑐𝑖 𝑏𝑎𝑟𝑢)

11. Tentukan nilai 𝑍𝑗 − 𝑐𝑗. Jika masih ada nilai 𝑍𝑗 − 𝑐𝑗 yang negatif (dalam

masalah maksimum), maka ulangi mulai langkah 4 sampai semua nilai

𝑍𝑗 − 𝑐𝑗 positif.

CONTOH 4

Tentukan nilai maksimum

𝑍 = 8𝑥1 + 6𝑥2

Fungsi kendala:

4𝑥1 + 2𝑥2 ≤ 60

2𝑥1 + 4𝑥2 ≤ 48

𝑥1, 𝑥2 ≥ 0

Penyelesaian:

Bentuk baku masalah program linier tersebut adalah:

Fungsi maksimum: 𝑍 = 8𝑥1 + 6𝑥2 + 0𝑆1 + 0𝑆2

Fungsi kendala baku:

4𝑥1 + 2𝑥2 + 𝑆1 = 60

2𝑥1 + 4𝑥2 + 𝑆2 = 48

𝑥1, 𝑥2, 𝑆1, 𝑆2 ≥ 0

10

Tabel simpleks awal

CBj Cj 8 6 0 0

Q Indeks VB 𝑥1 𝑥2 𝑆1 𝑆2

0 𝑆1 4* 2 1 0 60 60/4 = 15

0 𝑆2 2 4 0 1 48 48/2 = 24

𝑍𝑗 0 0 0 0 0

𝑍𝑗– 𝐶𝑗 -8 -6 0 0

Keterangan:

1. Baris 𝐶𝑗 diisi dengan koefisien variabel pada fungsi optimum

2. Kolom VB (Variabel Basis) diisi oleh variabel yang koefisien-

koefisiennya pada fungsi kendala membentuk matriks identitas. Pada

tabel awal ini, yang menjadi VB adalah 𝑆1 dan 𝑆2

3. Kolom 𝐶𝐵𝑗 diisi oleh koefisien variabel basis. Pada tabel di atas,

koefisien 𝑆1 dan 𝑆2 masing-masing adalah 0.

4. Kolom 𝑥1, 𝑥2, 𝑆1, 𝑆2 diisi dengan koefisien 𝑥1, 𝑥2, 𝑆1, 𝑆2 pada fungsi

kendala

5. Kolom Q (Quantity) diisi degan nilai ruas kanan pada fungsi kendala

6. Baris 𝑍𝑗 diisi dengan mengalikan masing-masing variabel 𝑥1, 𝑥2, 𝑆1, 𝑆2

dengan 𝐶𝐵𝑗, kemudian menjumlahkan hasil perkalian tersebut.

Contoh:

𝑍𝑗1 = 4.0 + 2.0 = 0

𝑍𝑗2 = 2.0 + 4.0 = 0

𝑍𝑗3 = 1.0 + 0.0 = 0

𝑍𝑗4 = 0.0 + 1.0 = 0

7. Baris 𝑍𝑗–𝐶𝑗 diisi dengan mengurangkan 𝑍𝑗 dan 𝐶𝑗.

8. Baris Indeks diisi dengan cara membagi kolom Q dengan elemen

kolom kunci yang bersesuaian.

9. Jikanilai 𝑍𝑗– 𝐶𝑗 pada tabel simpleks awal masih ada yang ≤ 0, harus

ada iterasi atau tabel perbaikan.

11

10. Pilih kolom kunci dengan cara memilih nilai 𝑍𝑗 − 𝑐𝑗 paling negatif atau

|𝑍𝑗 − 𝑐𝑗| paling besar. Pada tabel awal, nilai 𝑍𝑗 − 𝑐𝑗 paling negatif

adalah -8. Jadi kolom 𝑥1 menjadi kolom kunci (yang ditandai warna

hijau).

11. Pilih baris kunci. Mula-mula tentukan kolom indeks dengan cara

membagi Q dengan elemen kolom kunci yang bersesuaian. Baris kunci

dipilih dari indeks yeng mempunyai nilai positif paling kecil, yaitu 15.

Jadi, baris 𝑆1 menjadi baris kunci (yang ditandai warnaa hijau).

12. Tentukan elemen kunci, yaitu perpotongan antara elemen kunci dan

baris kunci, yaitu 4. Jadi, variabel 𝑥1 menjadi variabel masuk, yang

pada iterasi pertama akan menjadi variable masuk menjadi basis baru

menggantikan 𝑆1.

Tabel Iterasi 1

1. Tentukan elemen-elemen baris kunci yang baru dengan cara:

𝑏𝑎𝑟𝑖𝑠 𝑘𝑢𝑛𝑐𝑖 𝑏𝑎𝑟𝑢 = 𝑏𝑎𝑟𝑖𝑠 𝑘𝑢𝑛𝑐𝑖 𝑙𝑎𝑚𝑎

𝑒𝑙𝑒𝑚𝑒𝑛 𝑘𝑢𝑛𝑐𝑖

Jadi baris 𝑆1 pada tabel awal dibagi dengan 4

2. Tentukan elemen- baris non kunci yang baru, yaitu baris 𝑆2

𝐵2′ = 𝐵2 − (2. 𝐵1

′)

𝐵21′ = 2 − (2. 1) = 0

𝐵22′ = 4 − (2.

1

2) = 3

𝐵23′ = 0 − (2.

1

4) = −

1

2

𝐵24′ = 1 − (2. 0) = 1

𝐵25′ = 48 − (2. 15) = 18

12

CBj Cj 8 6 0 0

Q Indeks VB 𝑥1 𝑥2 𝑆1 𝑆2

8 𝑥1 1 ½ ¼ 0 15 15: ½ =30

0 𝑆2 0 3* -½ 1 18 18 : 3 = 6

𝑍𝑗 8 4 2 0 120

𝑍𝑗– 𝐶𝑗 0 -2 2 0

3. Karena nilai 𝑍𝑗– 𝐶𝑗 pada tabel simpleks awal masih ≤ 0, harus ada

iterasi atau tabel perbaikan yang kedua. Pilih kolom kunci dengan

cara memilih nilai 𝑍𝑗 − 𝑐𝑗 paling negatif atau |𝑍𝑗 − 𝑐𝑗| paling besar.

Pada tabel iterasi 1, nilai 𝑍𝑗 − 𝑐𝑗 paling negative adalah -2. Jadi kolom

𝑥2 menjadi kolom kunci (yang ditandai warna hijau).

4. Pilih baris kunci. Mula-mula tentukan kolom indeks dengan cara

membagi Q dengan elemen kolom kunci yang bersesuaian. Baris kunci

dipilih dari indeks yeng mempunyai nilai positif paling kecil, yaitu 6.

Jadi, baris 𝑆2 menjadi baris kunci (yang ditandai warnaa hijau).

5. Tentukan elemen kunci, yaitu perpotongan antara elemen kunci dan

baris kunci, yaitu 3. Jadi, variabel 𝑥2 menjadi variabel masuk, yang

pada iterasi berikutnya akan menjadi variable masuk menjadi basis

baru menggantikan 𝑆1.

Tabel Iterasi 2

1. Tentukan elemen-elemen baris kunci yang baru dengan cara:

𝑏𝑎𝑟𝑖𝑠 𝑘𝑢𝑛𝑐𝑖 𝑏𝑎𝑟𝑢 = 𝑏𝑎𝑟𝑖𝑠 𝑘𝑢𝑛𝑐𝑖 𝑙𝑎𝑚𝑎

𝑒𝑙𝑒𝑚𝑒𝑛 𝑘𝑢𝑛𝑐𝑖

Jadi baris 𝑆2 pada tabel awal dibagi dengan 3

2. Tentukan elemen baris non kunci yang baru, yaitu baris 𝑥2

𝐵1′ = 𝐵1 − (

1

2. 𝐵2′ )

𝐵11′ = 1 − (

1

2. 0) = 1

13

𝐵12′ =

1

2− (

1

2. 1) = 0

𝐵13′ =

1

4− (

1

2. −

1

6) =

1

3

𝐵14′ = 0 − (

1

2. 1) = −

1

2

𝐵15′ = 15 − (

1

2. 6) = 12

CBj Cj 8 6 0 0

Q Indeks VB 𝑥1 𝑥2 𝑆1 𝑆2

8 𝑥1 1 0 1

3 −

1

2 12

15: ½ =30

6 𝑥2 0 1 −1

6 1 6 18 : 3 = 6

𝑍𝑗 8 6 5

3 2 132

𝑍𝑗– 𝐶𝑗 0 0 5

3 2

Dari tabel iterasi kedua terlihat bahwa semua nilai 𝑍𝑗 − 𝑐𝑗 ≥ 0. Hal ini

berarti, untuk masalah maksimasi ini, diperoleh penyelesaian maksimum

adalah 135, dengan 𝑥1 = 12 dan 𝑥2 = 6

B. METODE SIMPLEKS DUA FASE

Masalah minimum dan fungsi kendala yang memuat tanda ≥ dan = bisa

diselesaikan dengan metode simpleks dua fase. Dalam metode simpleks

dua fase, akan muncul variabel artifisial. Variabel artifisial dimunculkan

untuk membentuk suatu solusi awal yang feasible. Contoh:

𝑍𝑚𝑖𝑛 = 2𝑥1 + 𝑥2 𝑍𝑚𝑖𝑛 = 2𝑥1 + 𝑥2 + 0𝑆1 + 0𝑆2 + 𝐴1

𝑥1 + 𝑥2 ≤ 30 𝑥1 + 𝑥2 + 𝑆1 = 30

𝑥2 − 𝑥1 ≥ 0 𝑥2 − 𝑥1 − 𝑆2 + 𝐴1 = 0

Pada masalah program linier awal, jika hanya ada slack dan surplus

variable, missal solusi awalnya 𝑥 = 0 dan 𝑦 = 0, maka akan menghasilkan

14

nilai 𝑆2 yang negatif. Padahal semua variable harus positif. Jadi, harus

dimunculkan variable baru sehingga ada solusi awal yang feasible.

Variabel artifisial tidak memiliki makna yang berarti pada masalah awal.

Variabel artifisial hanya bertujuan untuk mendapatkan solusi basis yang

feasible sehingga bisa diterapkan metode simpleks.

Untuk mengantisipasi variable artifisial akan menjadi bagian dari solusi

optimal, penalty yang sangat besar dari variable artifisisl dimunculkan

pada fungsi tusjuan. Penalti ini dimunculkan dengan menempatkan

koefisien variable artifisial yang sangat besar (M) sehingga variable

artifisial harus menjadi 0 pada sembarang solusi optimal.

Langkah penyelesaian dengan menggunakan metode simpleks dua fase

1. Ubah permasalahan PL ke dalam bentuk baku

Munculkan variable slack pada fungsi kendala bertanda ≤

Munculkan variable surplus dan variable artifisial pada fungsi

kendala bertanda ≥

Munculkan variable artifisial pada fungsi kendala bertanda =

Memasukkan variable slack, surplus, dan artifisial pada fungsi

tujuan.

Koefisien variable slack dan surplus pada fungsi tujuan (baik maks

maupun min) adalah 0

Koefisien variabel artifisial pada fungsi tujuan adalah 1

2. Fase I bertujuan mengoptimalkan fungsi tujuan yang memuat variable

artifisial (buatan)

3. Pada fase I, semua koefisien variabel fungsi tujuan diberi nilai 0,

kecuali variabel artifisial. Sedangkan pada fase 2, semua koefisien

variabel fungsi tujuan ditulis sesuai yang ada pada soal.

4. Ciri fase I optimum adalah jika semua variable artifisial sudah keluar

dari variable basis (VB) dan nilai 𝑍𝑗 − 𝑐𝑗 sudah optimum. Jika fase I

sudah optimum, maka bisa dilanjut ke fase 2.

5. Fase II bertujuan untuk mengoptimalkan fungsi tujuan yang memuat

semua variable yang sah.

15

CONTOH 5

Selesaikan masalah PL berikut.

Fungsi tujuan 𝑍𝑚𝑖𝑛 = 10𝑥1 + 6𝑥2 + 2𝑥3

Fungsi kendala −𝑥1 + 𝑥2 + 𝑥3 ≥ 1

3𝑥1 + 𝑥2 − 𝑥3 ≥ 2

𝑥1, 𝑥2, 𝑥3 ≥ 0

Penyelesaian:

Ubah masalah PL menjadi bentuk baku seperti berikut.

𝒁𝒎𝒊𝒏 = 𝟏𝟎𝒙𝟏 + 𝟔𝒙𝟐 + 𝟐𝒙𝟑 + 𝟎𝑺𝟏 + 𝟎𝑺𝟐 + 𝑨𝟏 + 𝑨𝟐

−𝑥1 + 𝑥2 + 𝑥3 − 𝑆1 + 𝐴1 = 1

3𝑥1 + 𝑥2 − 𝑥3 − 𝑆2 + 𝐴2 = 2

𝑥1, 𝑥2, 𝑥3, 𝑆1, 𝑆2, 𝐴1, 𝐴2 ≥ 0

FASE 1

Tabel Awal fase 1

CBj cj 0 0 0 0 0 1 1

Q Indeks VB 𝑥1 𝑥2 𝑥3 𝑆1 𝑆2 𝐴1 𝐴2

1 𝐴1 -1 1* 1 -1 0 1 0 1 1

1 𝐴2 3 1 -1 0 -1 0 1 2 2

Zj 2 2 0 -1 -1 1 1 3

Zj–Cj 2 2 0 -1 -1 0 0

Tabel iterasi 1 fase 1

CBj cj 0 0 0 0 0 1 1

Q Indeks VB 𝑥1 𝑥2 𝑥3 𝑆1 𝑆2 𝐴1 𝐴2

0 𝑥2 -1 1 1 -1 0 1 0 1 -1

1 𝐴2 4* 0 -2 1 -1 -1 1 1 ¼

Zj 4 0 -2 1 -1 -1 1 1

Zj–Cj 4 0 -2 1 -1 -2 0

16

Tabel iterasi 2 fase 1

CBj cj 0 0 0 0 0 1 1

Q Indeks VB 𝑥1 𝑥2 𝑥3 𝑆1 𝑆2 𝐴1 𝐴2

0 𝑥2 0 1 ½ - ¾ - ¼ ¾ ¼ 5

4 -1

0 𝑥1 1 0 - ½ ¼ - ¼ - ¼ ¼ ¼ ¼

Zj 0 0 0 0 0 0 0

𝑍𝑗 − 𝑐𝑗 0 0 0 0 0 -1 -1

Pada table di atas, terlihat bahwa semua nilai 𝑍𝑗 − 𝑐𝑗 ≤ 0. Jadi bisa

disimpulkan fase I telah mencapai iterasi optimum sehingga bisa

dilanjutkan ke fase 2.

FASE 2

Tabel awal

CBj Cj 10 6 2 0 0

Q VB 𝑥1 𝑥2 𝑥3 𝑆1 𝑆2

6 𝑥2 0 1 ½ - ¾ - ¼ 5

4

10 𝑥1 1 0 - ½ ¼ - ¼ ¼

Zj 10 6 -2 -2 -4 10

𝑍𝑗 − 𝑐𝑗 0 0 -4 -2 -4

Pada tabel fase 2 di atas, semua nilai 𝑍𝑗 − 𝑐𝑗 ≤ 0, sehingga program

dikatakan sudah optimum.

Jadi 𝒁𝒎𝒊𝒏= 10 dengan 𝒙𝟏 =𝟏

𝟒 dan 𝒙𝟐 =

𝟓

𝟒

17

C. METODE SIMPLEKS BIG-M

Selain menggunakan metode simpleks 2 fase, metode big M juga bisa

digunakan untuk masalah PL yang fungsi kendalanya memuat tanda ≥ atau

=.

Seperti pada metode simpleks dua fase, pada metode simpleks big M juga

muncul variabel artifisial. Untuk mengantisipasi variable artifisial akan

menjadi bagian dari solusi optimal, penalti yang sangat besar dari variable

artifisisl dimunculkan pada fungsi tusjuan. Penalti ini dimunculkan dengan

menempatkan koefisien variable artifisial yang sangat besar (M) sehingga

variable artifisial harus menjadi 0 pada sembarang solusi optimal. Oleh

karena itu, koefisien variabel artifisial pada fungsi tujuan adalah M

(bilangan yang sangat besar).

Langkah penyelesaian dengan menggunakan metode simpleks big M

1. Ubah masalah PL ke dalam bentuk baku:

Munculkan variable slack pada fungsi kendala bertanda ≤

Munculkan variable surplus dan variable artifisial pada fungsi

kendala bertanda ≥

Munculkan variable artifisial pada fungsi kendala bertanda =

Memasukkan variable slack, surplus, dan artifisial pada fungsi

tujuan.

Koefisien variable slack dan surplus pada fungsi tujuan (baik

maks maupun min) adalah 0

Untuk masalah maksimum, koefisien variabel artifisial pada

fungsi tujuan adalah –M,

Untuk masalah minimum, koefisien variable artifisial pada fungsi

tujuan adalah M.

2. Lanjutkan langkah-langkah penyelesaian seperti pada metode

simpleks biasa.

18

CONTOH 6

Selesaikan masalah PL berikut.

Fungsi tujuan 𝑍𝑚𝑖𝑛 = 10𝑥1 + 6𝑥2 + 2𝑥3

Fungsi kendala −𝑥1 + 𝑥2 + 𝑥3 ≥ 1

3𝑥1 + 𝑥2 − 𝑥3 ≥ 2

𝑥1, 𝑥2, 𝑥3 ≥ 0

Penyelesaian:

Ubah masalah PL menjadi bentuk baku:

Fungsi tujuan 𝑍𝑚𝑖𝑛 = 10𝑥1 + 6𝑥2 + 2𝑥3 + 0𝑆1 + 0𝑆2 +𝑀𝐴1 +𝑀𝐴2

Fungsi kendala −𝑥1 + 𝑥2 + 𝑥3 − 𝑆1 + 𝐴1 = 1

3𝑥1 + 𝑥2 − 𝑥3 − 𝑆2 + 𝐴2 = 2

𝑥1, 𝑥2, 𝑥3, 𝑆1, 𝑆2, 𝐴1, 𝐴2 ≥ 0

Tabel awal

CBj Cj 10 6 2 0 0 M M

Q Indeks VB 𝑥1 𝑥2 𝑥3 𝑆1 𝑆2 𝐴1 𝐴2

M 𝐴1 -1 1 1 -1 0 1 0 1 1

M 𝐴2 3 1 -1 0 -1 0 1 2 2

Zj 2M 2M 0 -M -M M M 3M

Zj–Cj 2M-10 2M-6 -2 -M -M 0 0

Iterasi 1

CBj Cj 10 6 2 0 0 M M

Q Indeks VB 𝑥1 𝑥2 𝑥3 𝑆1 𝑆2 𝐴1 𝐴2

6 𝑥2 -1 1 1 -1 0 1 0 1 -1

M 𝐴2 4 0 -2 1 -1 -1 1 1 ¼

Zj 4M-6 6 -2M+6 M-6 -M -M+6 M M+6

Zj–Cj 4M-16 0 -2M+4 M-6 -M -2M+6 0

19

Iterasi 2

CBj Cj 10 6 2 0 0 M M

Q VB 𝑥1 𝑥2 𝑥3 𝑆1 𝑆2 𝐴1 𝐴2

6 𝑥2 0 1 ½ - ¾ - ¼ ¾ ¼ 5

4

10 𝑥1 1 0 - ½ ¼ - ¼ - ¼ ¼ ¼

Zj 10 6 -2 -2 -4 2 4 10

Zj–Cj 0 0 -4 -2 -4 2-M 4-M

Dari tabel iterasi 2, nilai Zj– Cj semuanya sudah ≤ 0. Jadi bisa dikatakan

bahwa program sudah optimum dengan nilai Zmin= 10 dengan

x1 =1

4 dan x2 =

5

4

REMINDER

Untuk masalah minimasi

• Tabel optimum jika semua nilai Zj-cj ≤ 0

• Kolom kunci pilih nilai Zj-cj positif terbesar (paling positif)

• Baris kunci pilih nilai indeks positif terkecil

Untuk masalah maksimasi

• Tabel optimum jika semua nilai Zj-cj ≥ 0

• Kolom kunci pilih nilai Zj-cj NEGAtif terkecil (paling negatif)

• Baris kunci pilih nilai indeks positif terkecil

20

LATIHAN 1

Selesaikan masalah PL berikut dengan menggunakan metode simpleks.

1. Fungsi tujuan 𝑍𝑚𝑖𝑛 = 4𝑥1 + 𝑥2

Fungsi kendala 3𝑥1 + 𝑥2 = 3

4𝑥1 + 3𝑥2 ≥ 6

𝑥1 + 2𝑥2 ≤ 4

𝑥1, 𝑥2 ≥ 0

2. Fungsi tujuan 𝑍𝑚𝑖𝑛 = 3𝑥1 − 2𝑥2

Fungsi kendala 3𝑥1 + 𝑥2 = 4

4𝑥1 + 3𝑥2 ≥ 6

𝑥1 + 2𝑥2 ≤ 3

𝑥1, 𝑥2 ≥ 0

3. Fungsi tujuan 𝑍𝑚𝑖𝑛 = 𝑥1 + 𝑥2

Fungsi kendala 2𝑥1 + 𝑥2 ≥ 4

𝑥1 + 7𝑥2 ≥ 7

𝑥1, 𝑥2 ≥ 0

D. PENYELESAIAN PROGRAM LINIER

Solusi masalah PL tidak selalu tunggal. Ada beberapa kasus khusus yaitu:

1. PENYELESAIAN OPTIMUM TIDAK TUNGGAL

Kasus ini terjadi jika dalam table simpleks yang sudah optimum, masih

ada variable utama yang belum masuk ke variable basis dan nilai 𝑍𝑗 −

𝑐𝑗 variable tersebut 0.

21

CONTOH 7

CBj cj 2 1 0 0

Q VB 𝑥1 𝑥2 𝑆1 𝑆2

2 𝑥1 1 ½ ½ 0 15

0 𝑆2 0 1 ½ - ½ 1 9

Zj 2 1 1 0 30

Zj–Cj 0 0 1 0

Pada masalah memaksimumkan di atas, tabel sudah optimum, tapi

𝑥2 belum masuk VB (var. basis), dan nilai 𝑍𝑗 − 𝑐𝑗 = 0.

Jadi, PL ini memiliki solusi tidak tunggal untuk nilai 𝑥1 dan 𝑥2.

Jika dilakukan iterasi selanjutnya, akan diperoleh Z = 30 dengan nilai

𝑥1 dan 𝑥2 yang berbeda.

2. TIDAK MEMPUNYAI PENYELESAIAN

(Ketidaklayakan/ infeasible solution)

Kasus ini terjadi jika dalam table simpleks yang sudah optimum, masih

ada variable artifisial (buatan) dalam variable basis (VB)

CONTOH 8

CBj Cj -2 -3 0 0 -M

Q VB 𝑥1 𝑥2 𝑆1 𝑆2 𝐴1

3 𝑥1 1 1 1 0 0 10

-M 𝐴1 0 0 0 -1 1 10

Zj 3 3 3 M -M -10M+30

Zj–Cj 5 6 3 M 0

22

Pada masalah memaksimumkan di atas, tabel sudah optimum, tapi

variabel artifisial 𝐴1 belum keluar dari VB (variabel basis). Jadi, PL ini

tidak memiliki solusi yang feasible.

3. PENYELESAIAN TAK TERBATAS

(Tak terbatas nilai fungsi tujuannya atau tak terbatas nilai variabelnya)

Kasus ini terjadi jika dalam table simpleks yang semua variable

utamanya sudah masuk VB dan semua nilai Zj-cj dari variable utama

sudah optimum, namum ada nilai Zj-cj ≤ 0 pada variable slack atau

surplus dan nilai kolom-kolomnya juga < 0.

CONTOH 9

CBj cj 3 2 0 0 -M

Q VB 𝑥1 𝑥2 𝑆1 𝑆2 𝐴1

3 𝑥1 1 0 ½ - ½ ½ 20

2 𝑥2 0 1 - ½ - ½ ½ 10

Zj 3 2 ½ -2 ½ 2 ½ 80

Zj–Cj 0 0 ½ -2 ½ 2 ½+M

Pada masalah memaksimumkan di atas, nilai Zj – cj pada 𝑆2 < 0, dan

nilai kolom-kolomnya <0. Jadi, PL ini memiliki solusi yang tak terbatas.

23

PRIMAL DAN DUAL

A. PENGERTIAN

Setiap masalah program linier mempunyai satu masalah program linier

yang terkait, yang disebut dual. Program linier asalnya disebut primal. Jika

primal dan dual tersebut dicari penyelesaiannya, nilai optimum model

primal sama dengan nilai optimum model dual.

Untuk mentransformasikan masalah primal menjadi masalah dual, bentuk

masalah primal harus dalam bentuk standar.

1. Untuk masalah maksimasi, bentuk standar fungsi kendalanya adalah

fungsi kendala yang bertanda ≤

2. Untuk masalah minimasi, bentuk standar fungsi kendalanya adalah

fungsi kendala yang bertanda ≥

3. Pada bentuk standar primal dual, nilai ruas kanan boleh negatif.

Namun, saat akan mencari penyelesaian dengan metode simpleks, bantuk

yang akan dicari penyelesaiannya harus dalam bentuk standar untuk

metode simpleks, yaitu nilai ruas kanan harus ≥ 0.

Tabel berikut menunjukkan transformasi dan perbedaan antara masalah

primal dan dual.

24

PRIMAL DUAL

Maksimasi Fungsi kendala ≤

Minimasi Fungsi kendala ≥

Minimasi Fungsi kendala ≥

Maksimasi Fungsi kendala ≤

Nilai ruas kanan Koefisien fungsi tujuan

Koefisien fungsi tujuan Nilai ruas kanan

Matriks koefisien fungsi kendala Transpose matriks koefisien fungsi kendala

Fungsi kendala ke- i berbentuk = Variabel 𝑥𝑖 tidak terbatas tanda

Variabel 𝑥𝑖 tidak terbatas tanda Fungsi kendala ke- i berbentuk =

CONTOH 10 Masalah Primal Masalah Dual

𝑍𝑚𝑎𝑥 = 3𝑥1 + 5𝑥2 + 4𝑥3

Fungsi Kendala:

2𝑥1 − 𝑥2 + 3𝑥3 ≤ 6

𝑥1 + 2𝑥2 + 4𝑥3 ≤ 8

𝑥1, 𝑥2, 𝑥3 ≥ 0

𝑍𝑚𝑖𝑛 = 6𝑦1 + 8𝑦2

Fungsi Kendala:

2𝑦1 + 𝑦2 ≥ 3

−𝑦1 + 2𝑦2 ≥ 5

3𝑦1 + 4𝑦2 ≥ 4

𝑦1, 𝑦2 ≥ 0

Jika bentuk primalnya tidak dalam bentuk baku, maka perlu diubah dulu ke bentuk baku sebelum dicari dualnya.

25

CONTOH 11 Masalah Primal Masalah Dual 𝑍𝑚𝑎𝑥 = 5𝑥1 + 6𝑥2

Fungsi kendala: 𝑥1 + 2𝑥2 ≥ 5

−𝑥1 + 5𝑥2 ≥ 3

4𝑥1 + 7𝑥2 ≤ 8

𝑥1, 𝑥2 ≥ 0

−𝑥1 − 2𝑥2 ≤ −5

𝑥1 − 5𝑥2 ≤ −3

4𝑥1 + 7𝑥2 ≤ 8

𝑍𝑚𝑖𝑛 = −5𝑦1 − 3𝑦2 + 8𝑦3

Fungsi kendala: −𝑦1 + 𝑦2 + 4𝑦3 ≥ 5

−2𝑦1 − 5𝑦2 + 7𝑦3 ≥ 6

𝑦1, 𝑦2, 𝑦3 ≥ 0

CONTOH 12

Masalah Primal Masalah Dual 𝑍𝑚𝑎𝑥 = 𝑥1 + 2𝑥2 + 𝑥3

Fungsi kendala: 𝑥1 + 2𝑥2 + 𝑥3 ≥ 2

𝑥2 + 𝑥3 ≤ 1

𝑥1 + 2𝑥3 = 1

𝑥1, 𝑥2, 𝑥3 ≥ 0

−𝑥1 − 2𝑥2 − 𝑥3 ≤ −2

𝑍𝑚𝑖𝑛 = −2𝑦1 + 𝑦2 + 𝑦3

Fungsi kendala: −𝑦1 + 𝑦3 ≥ 1

−2𝑦1 + 𝑦2 ≥ 2

−𝑦1 + 𝑦2 + 2𝑦3 ≥ 1

𝑦1, 𝑦2 ≥ 0

𝑦3 𝑡𝑖𝑑𝑎𝑘 𝑡𝑒𝑟𝑏𝑎𝑡𝑎𝑠 𝑡𝑎𝑛𝑑𝑎

Yang tidak baku diubah menjadi bentuk baku

Yang tidak baku diubah menjadi bentuk baku

26

B. PENYELESAIAN PADA PRIMAL DAN DUAL

Contoh masalah primal dan tabel optimumnya:

Cb Cj 5 12 10 0 0 Q

VB 𝑥1 𝑥2 𝑥3 S1 S2

12 𝑥2 0,2 1 0 0,6 -0,2 3

10 𝑥3 0,6 0 1 -0,2 0,4 4

𝑍𝑗 8,4 12 10 5,2 1,6 76

𝑍𝑗 − 𝑐𝑗 3,4 0 0 5,2 1,6

Contoh masalah dual dan tabel optimumnya:

27

Cb Cj 10 15 0 0 0 M M M Q

VB 𝑦1 𝑦2 S1 S2 S3 A1 A2 A3

15 𝑦2 0 1 0 1/5 -6/15 0 -1/5 6/15 1,6

10 𝑦1 1 0 0 -3/5 1/5 0 3/5 -1/5 5,2

0 𝑆1 0 0 1 -1/5 -9/15 -1 1/5 9/15 3,4

𝑍𝑗 10 15 0 -3 -4 0 3 4 76

𝑍𝑗 − 𝑐𝑗 0 0 0 -3 -4 -M -M+3 -M+4

Dari tabel optimum masalah primal dan dual di atas, bisa dilihat hubungan

yang nampak, yaitu:

PRIMAL DUAL

Zmaks = 76 Zmin = 76

𝑥2 dan 𝑥3 di dalam basis (VB) 𝑆2 dan 𝑆3 di luar basis

𝑥1, 𝑆1 dan 𝑆2 diluar basis 𝑆1, 𝑦1, dan 𝑦2 di dalam basis

Nilai 𝑥2 = 3 dan 𝑥3 = 4 Nilai 𝑍𝑗 − 𝑐𝑗 dari 𝑆2 = -3 dan 𝑆3 = -4

Nilai 𝑍𝑗 − 𝑐𝑗 dari 𝑆1 = 5,2 dan 𝑆2 = 1,6 Nilai 𝑦1 = 5,2 dan 𝑦2 = 56

28

LATIHAN 2

Diketahui bentuk primal dan tabel optimum dari primal tersebut di bawah

ini.

𝑍𝑚𝑎𝑥 = 3𝑥1 + 2𝑥2

Fungssi kendala

𝑥1 + 2𝑥2 ≤ 10

5𝑥1 + 𝑥2 ≥ 10

𝑥1 + 10𝑥2 ≥ 20

𝑥1, 𝑥2 ≥ 0

Tabel optimumnya:

Cb Cj 3 2 0 0 0 -M -M Q

VB 𝑥1 𝑥2 S1 S2 S3 A1 A2

0 S2 0 0 6,125 1 1,125 -1 -1,125 28,75

3 𝑥1 1 0 1,25 0 0,25 0 -0,25 7,5

2 𝑥2 0 1 -0,125 0 -0,125 0 0,125 1,25

Zj 3 2 3,5 0 0,5 0 -0,5 25

Zj-cj 0 0 3,5 0 0,5 M M-0,5

1. Tentukan dual dari permasalahan di atas.

2. Dari tabel optimum primal yang diketahui di atas, tentukan solusi

primalnya.

3. Tanpa menyelesaikan dualnya, tentukan dari solusi dual tersebut.

29

UJI SENSITIVITAS

A. PENGERTIAN

Uji sensitivitas merupakan uji yang digunakan untuk mengetahui akibat

(pengaruh) dari perubahan yang terjadi pada parameter-parameter

permasalahan PL pada solusi optimum yang telah diperoleh. Manfaat dari

uji sensitivitas adalah untuk menghindari perhitungan ulang dari awal jika

terjadi perubahan-perubahan pada parameter permasalahan PL.

Perubahan-perubahan tersebut bisa memberikan akibat salah satu

diantara 3 kemungkinan berikut

1. Solusi optimum tidak berubah, variable basis dan nilainya tidak

berubah

2. Variabel basis tidak berubah, tapi nilainya berubah

3. Variabel basis berubah

Uji

Sen

siti

vita

s

Perubahan nilai ruas kanan fungsi kendala(sumber daya)

Perubahan koefisien fungsi tujuan

Penambahan fungsi kendala baru

Penambahan variabel baru

Perubahan koefisien fungsi kendala

30

CONTOH 13

Diketahui masalah PL:

𝑍𝑚𝑎𝑥 = 5𝑥1 + 3𝑥2 + 2𝑥3

Fungsi kendala

𝑥1 + 𝑥2 + 2𝑥3 ≤ 860

2𝑥1 + 3𝑥2 ≤ 920

𝑥2 + 4𝑥3 ≤ 840

𝑥1, 𝑥2, 𝑥3 ≥ 0

Bentuk baku dari permasalahan PL tersebut adalah:

𝑍𝑚𝑎𝑥 = 5𝑥1 + 3𝑥2 + 2𝑥3 + 0𝑆1 + 0𝑆2 + 0𝑆3

Fungsi kendala

𝑥1 + 𝑥2 + 2𝑥3 + 𝑆1 = 860

2𝑥1 + 3𝑥2 + 𝑆2 = 920

𝑥2 + 4𝑥3 + 𝑆3 = 840

𝑥1, 𝑥2, 𝑥3, 𝑆1, 𝑆2, 𝑆3 ≥ 0

Tabel optimum dari permasalahan PL tersebut:

Cb Cj 5 3 2 0 0 0 Q

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3

2 𝑥3 0 - ¼ 1 ½ - ¼ 0 200

5 𝑥1 1 3/2 0 0 ½ 0 460

0 S3 0 2 0 -2 1 1 40

𝑍𝑗 5 7 2 1 2 0 2700

𝑍𝑗 − 𝑐𝑗 0 4 0 1 2 0

Variabel yang masuk basis adalah 𝑥1, 𝑥3, 𝑆3

Matriks koefisien 𝑥1, 𝑥3, 𝑆3 pada fungsi kendala:

31

𝐵 = (1 2 02 0 00 4 1

) 𝐵−1 = (

01

20

1

2−1

40

−2 1 1

)

Dengan menggunakan matriks 𝐵−1, PO untuk 𝑥1, 𝑥3, 𝑆3 bisa dicari

dengan mengalikan 𝐵−1 dengan ruas kanan fungsi kendala.

(

𝑥1𝑥3𝑆3

) = (

01

20

1

2−1

40

−2 1 1

) . (860920840

) = (46020040)

B. PERUBAHAN KAPASITAS SUMBER DAYA (RUAS KANAN F.KENDALA)

Jika program pada contoh 13 sudah optimum, lalu pada periode 2 program

terdapat perubahan kapasistas dari salah satu sumber daya (Q/ruas

kanan), misal Q1 menjadi δ.

(𝛿920840

)

Agar variable 𝑥1, 𝑥3, 𝑆3 tetap menjadi solusi dari program setelah adanya

perubahan, maha haruslah:

(

0

1

20

1

2−1

40

−2 1 1)

. (

𝛿920840

) ≥ 0

Dari perkalian matriks tersebut diperoleh pertidaksamaan: 1

2𝛿 − 230 ≥ 0 ⇔

1

2𝛿 ≥ 230 ⇔ 𝛿 ≥ 460 ...(i)

−2𝛿 + 920 + 840 ≥ 0 ⇔ −2𝛿 ≥ −1760 ⇔ 𝛿 ≤ 880 …(ii)

Dari (i) dan (ii) diperoleh 460 ≤ 𝛿 ≤ 880.

Rentang nilai δ di atas menunjukkan kepekaan (sensitivitas) dari nilai Q1

agar variable 𝑥1, 𝑥3, 𝑆3 tetap menjadi solusi dari program setelah adanya

perubahan.

Uji coba 𝛿 = 450

32

(

𝑥1𝑥3𝑆3

) =

(

0

1

20

1

2−1

40

−2 1 1)

(450920840

) = (460−5860

)

Untuk 𝑄1= 450 menyebabkan solusi yang tidak feasible karena nilai 𝑥3

menjadi negatif.

Uji coba 𝛿 = 500

(

𝑥1𝑥3𝑆3

) =

(

0

1

20

1

2−1

40

−2 1 1)

(500920840

) = (46020760

)

Untuk 𝑄1= 500 solusinya menjadi 𝑍𝑚𝑎𝑥 = 2340 dengan 𝑥1 = 460, 𝑥2 =

0, 𝑥3 = 20.

C. PERUBAHAN KOEFISIEN FUNGSI TUJUAN

Perubahan harga, biaya atau keuntungan akan mengakibatkan perubahan

koefisien fungsi tujuan. Misal pada contoh 13 diatas, koefisien 𝑥1 pada

fungsi tujuan berubah menjadi 𝛼. Bagaimana rentang kepekaan

(sensitivitas) 𝛼 agar tidak merubah PO yang sebelumnya?

Nilai 𝑥1 pada tabel optimum contoh 13 diganti menjadi:

Cb Cj 𝜶 3 2 0 0 0 Q

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3

2 𝑥3 0 - ¼ 1 ½ - ¼ 0 200

𝜶 𝑥1 1 3/2 0 0 ½ 0 460

0 S3 0 2 0 -2 1 1 40

Zj 𝜶 3

2𝛼 −

1

2

2 1 1

2𝛼 −

1

2

0 400+460𝜶

𝑍𝑗− 𝑐𝑗

0 3

2𝛼 −

7

2

0 1 1

2𝛼 −

1

2

0

33

Karena soalnya adalah 𝑍𝑚𝑎𝑥, maka pada table optimum haruslah nilai

𝑍𝑗 – 𝑐𝑗 ≥ 0.

Jadi haruslah 3

2𝛼 −

7

2≥ 0 dan

1

2𝛼 −

1

2≥ 0.

3

2𝛼 −

7

2≥ 0 ⇔

3

2𝛼 ≥

7

2 ⇔ 𝛼 ≥

7

3 …(i)

1

2𝛼 −

1

2≥ 0 ⇔

1

2𝛼 ≥

1

2 ⇔ 𝛼 ≥ 1 …(ii)

Dari (i) dan (ii) diperoleh nilai 𝛼 ≥7

3. Rentang nilai 𝛼 tersebut

menunjukkan kepekaan (sensitivitas) dari koefisien 𝑥1 pada fungsi tujuan

(𝑐1).

Nilai 𝛼 ≥7

3 akan memberikan nilai 𝑍𝑚𝑎𝑥 = 400+460𝜶 dengan nilai

𝑥1, 𝑥3, 𝑆3 sama seperti PO mula-mula.

D. PENAMBAHAN KENDALA BARU

Misal pada contoh 13 ditambahkan sebuah kendala baru:

𝑥1 + 𝑥2 + 𝑥3 ≤ 760

Untuk mengetahui PO setelah ada penambahan kendala baru, tambahkan

kendala baru tersebut kedalam tabel optimum seperti berikut.

Cb Cj 5 3 2 0 0 0 0 Q

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3 S4

2 𝑥3 0 - ¼ 1 ½ - ¼ 0 0 200

5 𝑥1 1 3/2 0 0 ½ 0 0 460

0 S3 0 2 0 -2 1 1 0 40

0 S4 1 1 1 0 0 0 1 760

Zj 5 7 2 1 2 0 0 2700

Zj-cj 0 4 0 1 2 0 0

34

Pada table optimum yang baru, variable yg masuk basis (VB) adalah

𝑥1, 𝑥3, 𝑆3, 𝑆4. Jadi semua kolom variabel-variabel tersebut harus

membentuk matriks identitas 4x4.

Jadi, elemen baris 4 kolom 1 (𝑎41) dan baris 4 kolom 3 (𝑎43) harus dibuat

menjadi 0 dengan cara melakukan OBE. Untuk membuat 𝑎41 = 0, maka

baris ke 4 harus dikurangi baris 2 (B4 – B2), sehingga diperoleh tabel baru:

Cb Cj 𝟓 3 2 0 0 0 0 Q

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3 S4

2 𝑥3 0 - ¼ 1 ½ - ¼ 0 0 200

𝟓 𝑥1 1 3/2 0 0 ½ 0 0 460

0 S3 0 2 0 -2 1 1 0 40

0 S4 0 - ½ 1 0 - ½ 0 1 260

Zj 5 7 2 1 2 0 0 2700

Zj-cj 0 4 0 1 2 0 0

Untuk membuat 𝑎43 = 0, maka baris ke 4 harus dikurangi baris 1

(B4 – B1), sehingga diperoleh table baru di bawah.

Cb Cj 𝟓 3 2 0 0 0 0 Q

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3 S4

2 𝑥3 0 - ¼ 1 ½ - ¼ 0 0 200

𝟓 𝑥1 1 3/2 0 0 ½ 0 0 460

0 S3 0 2 0 -2 1 1 0 40

0 S4 0 - ¼ 0 - ½ - ¼ 0 1 60

Zj 5 7 2 1 2 0 0 2700

Zj-cj 0 4 0 1 2 0 0

35

Diperoleh PO 𝑍𝑚𝑎𝑥 = 2700 dengan 𝑥1 = 460, 𝑥2 = 0, 𝑥3 = 200.

Jadi dengan adanya penambahan kendala baru tersebut, variabel yang

masuk variabel basis tetap walaupun ada perubahan nilai.

E. PENAMBAHAN VARIABEL BARU

Misal dari contoh 13, ditambahkan sebuah variable baru 𝑥4, sehingga

permasalahan PL nya menjadi seperti berikut.

Fungsi tujuan 𝑍𝑚𝑎𝑥 = 5𝑥1 + 3𝑥2 + 2𝑥3 + 10𝑥4

Fungsi kendala 𝑥1 + 𝑥2 + 2𝑥3 + 𝑥4 ≤ 860

2𝑥1 + 3𝑥2 + 𝑥4 ≤ 920

𝑥2 + 4𝑥3 + 𝑥4 ≤ 840

𝑥1, 𝑥2, 𝑥3, 𝑥4 ≥ 0

Tambahkan variabel 𝑥4 pada tabel optimumnya sehingga diperoleh

Cb Cj 𝟓 3 2 10 0 0 0 Q

VB 𝑥1 𝑥2 𝑥3 𝑥4 S1 S2 S3

2 𝑥3 0 - ¼ 1 1 ½ - ¼ 0 200

𝟓 𝑥1 1 3/2 0 1 0 ½ 0 460

0 S3 0 2 0 1* -2 1 1 40

Zj 5 7 2 7 1 2 0 2700

Zj-cj 0 4 0 -3 1 2 0

Karena nilai Zj – cj masih ada yang negatif, maka dilakukan prosedur

simpleks sampai semua nilai Zj – cj ≥ 0 (karena soal berupa 𝑍𝑚𝑎𝑥).

Kolom 𝑥4 menjadi kolom kunci dan baris ke 3 menjadi baris kunci.

36

Iterasi 1

Cb Cj 5 3 2 10 0 0 0

Q VB 𝑥1 𝑥2 𝑥3 𝑥4 S1 S2 S3

2 𝑥3 0 -2 ¼ 1 0 2 ½ * -1 ¼ -1 160

5 𝑥1 1 - ½ 0 0 2 - ½ -1 420

10 𝑥4 0 2 0 1 -2 1 1 40

Zj 5 10 ¾ 3 10 -2 ½ 3 ¾ 2 2980

Zj-cj 0 7 ¾ 1 0 -2 ½ 3 ¾ 2

Iterasi 2

Cb Cj 5 3 2 10 0 0 0

Q VB 𝑥1 𝑥2 𝑥3 𝑥4 S1 S2 S3

0 S1 0 -0,9 0,4 0 1 -0,5 -0,4 64

5 𝑥1 1 1,3 -0,8 0 0 0,5 -0,2 292

10 𝑥4 0 0,2 0,8 1 0 0 0,2 168

Zj 5 8,5 4 10 0 2,5 1 3140

Zj-cj 0 5,5 2 0 0 2,5 1

Diperoleh PO 𝑍𝑚𝑎𝑥 = 3140 dengan 𝑥1 = 292, 𝑥2 = 0, 𝑥3 = 0, 𝑥4 = 168.

Jadi penambahan variabel baru pada contoh ini menyebabkan perubahan

PO.

37

F. PERUBAHAN KOEFISIEN FUNGSI KENDALA

Misal dari contoh 13, koefisien variable 𝑥3 berubah seperti berikut.

Fungsi tujuan 𝑍𝑚𝑎𝑥 = 5𝑥1 + 3𝑥2 + 2𝑥3

Fungsi kendala 𝑥1 + 𝑥2 +1

2𝑥3 ≤ 860

2𝑥1 + 3𝑥2 +1

4𝑥3 ≤ 920

𝑥2 + 𝑥3 ≤ 840

𝑥1, 𝑥2, 𝑥3 ≥ 0

Untuk menyelesaikan soal yang koefisien 𝑥3 pada fungsi kendalanya

berubah, digunakan rumus berikut:

𝑨∗𝒋 = 𝑩∗. 𝑨𝒋

𝐴∗𝑗 = matriks kolom ke-j (kolom var. baru) pd table optimal baru

𝐴𝑗 = matriks kolom ke-j (kolom var. baru) pada table awal

𝐵 = matriks identitas pada table awal masalah mula-mula

𝐵∗ = perubahan matriks B pada table optimal

𝐵 = (1 0 00 1 00 0 1

) , 𝐵∗ =, 𝐴3 = (

1

21

4

1

) , 𝐴∗3= (

1

2−1

40

01

20

−2 1 1

). (

1

21

4

1

)=

(

3

161

81

4)

Cb Cj 5 3 2 0 0 0 Q Indeks

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3

2 𝑥3 0 −1

4 3

16

1

2 −

1

4

0 200 3200

3

5 𝑥1 1 3

2

1

8

0 1

2

0 460 3680

0 S3 0 2 1

4* -2 1 1 40 160

Zj 5 7 1 1 2 0 2700

Zj-cj 0 4 -1 1 2 0

Karena nilai Zj – cj masih ada yang negative, maka dilakukan prosedur

simpleks sampai semua nilai Zj – cj ≥ 0 (karena soal Zmax).

38

Iterasi 1

Cb Cj 5 3 2 0 0 0 Q Indeks

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3

2 𝑥3 0 −13

4

0 2 -1 −3

4

170 85

5 𝑥1 1 1

2

0 1 0 −1

2

440 440

2 𝑥3 0 8 1 -8 4 4 160 -20

Zj 5 15 2 -7 6 4 2860

Zj-cj 0 12 0 -7 6 4

Iterasi 2

Cb Cj 5 3 2 0 0 0 Q

VB 𝑥1 𝑥2 𝑥3 S1 S2 S3

0 S1 0 −7

8

0 1 −1

2 −

3

8

85

5 𝑥1 1 13

8

0 0 1

2 −

1

8

355

2 𝑥3 0 1 1 0 0 1 840

Zj 5 87

8

2 0 21

2 1

3

8

3455

Zj-cj 0 57

8

0 0 21

2 1

3

8

Diperoleh PO 𝑍𝑚𝑎𝑥 = 3455 dengan 𝑥1 = 355, 𝑥2 = 0, 𝑥3 = 840

Jadi perubahan fungsi kendala pada contoh ini menyebabkan kenaikan

nilai Z.

39

LATIHAN 3

Diketahui sebuah permasalahan PL dan tabel optimalnya seperti berikut:

Fungsi tujuan Zmin = x1 − 2x2 + 2x3

Fungsi kendala −2x1 + x2 + x3 ≥ 20

x1 + x2 + 2x3 ≥ 30

−x1 + 2x2 + x3 = 24

x1, x2, x3 ≥ 0

Tabel optimum

cj 1 -2 2 0 0 M M M

CB VB x1 x2 x3 S1 S2 A1 A2 A3 Q

0 S2 -6 0 0 -3 1 3 -1 -1 6

2 x3 -3 0 1 -2 0 2 0 -1 16

-2 x2 1 1 0 1 0 -1 0 1 4

Zj -8 -2 2 -6 0 6 0 -4 24

Zj-cj -9 0 0 -6 0 -M+6 -M -M-4

1. Tentukan rentang sensitivitas Q1

2. Tentukan rentang sensitivitas koefisien x1 pada fungsi tujuan

3. Bagaimana PO baru setelah ditambahkan kendala baru:

𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 ≤ 𝟑𝟎

4. Bagaimana PO baru setelah ditambahkan sebuah variable baru, yaitu

𝒙𝟒 sehingga permasalahan barunya menjadi:

Zmin = x1 − 2x2 + 2x3 + 𝑥4

40

Fungsi kendala −2x1 + x2 + x3 + 2𝑥4 ≥ 20

x1 + x2 + 2x3 + 2𝑥4 ≥ 30

−x1 + 2x2 + x3 + 𝑥4 = 24

x1, x2, x3, 𝑥4 ≥ 0

5. Bagaimana PO baru setelah koefisien x2 berubah sbb:

Zmin = x1 − 2x2 + 2x3

Fungsi kendala 2x1 + x2 + x3 ≥ 20

x2 + 2x3 ≥ 30

x1 + 2x2 + x3 = 24

x1, x2, x3 ≥ 0

41

MASALAH TRANSPORTASI

Model transportasi merupakan salah satu kasus khusus dari persoalan

Program Linier. Model transportasi pada dasarnya merupakan sebuah

program linear yang dapat dipecahkan oleh metode simpleks yang biasa.

Tetapi, strukturnya yang khusus memungkinkan pengembangan sebuah

prosedur pemecahan, yang disebut teknik transportasi, yang lebih efisien

dalam hal perhitungan. Tujuan dari model transportasi adalah

mendistribusikan suatu komoditas/ produk dari sejumlah sumber (supply) ke

sejumlah tujuan (demand) untuk meminimumkan total biaya transportasi

pengiriman barang tersebut

Istilah-istilah dalam masalah transportasi:

1. Daerah asal (𝐴𝑖), banyaknya daerah asal (m), kapasitas yang tersedia

pada tiap daerah asal (𝑎𝑖)

2. Daerah tujuan (𝑇𝑗), banyaknya daerah tujuan (n), banyak

permintaan barang tiap daerah tujuan (𝑡𝑗)

3. Daerah asal dapat berupa gudang, pelabuhan, depot, pabrik, dll.

Daerah tujuan dapat berupa gudang, agen, lokasi proyek, took, dll.

4. Biaya angkut setiap unit barang dari satu tempat asal ke satu tempat

tujuan (𝐶𝑖𝑗)

42

Pada masalah trasnprotasi yang seimbang (balanced program), jumlah

kapasitas yang tersedia pada daerah asal sama dengan jumlah permintaan

pada daerah tujuan.

Langkah penyelesaian masalah transportasi

1. Membuat model dan tabel transportasi

2. Menyusun program awal untuk memperoleh solusi awal yang

feasible

3. Pengujian untuk mengetahui apakah program sudah optimal

4. Perbaikan program (jika program belum optimal)

Tabel Model Transportasi

Tujuan

Asal T1 T2 T3 … Tn

KAPASITAS

(S)

A1 𝑐11

𝑥11

𝑐12

𝑥12

𝑐13

𝑥13 …

𝑐1𝑛

𝑥1𝑛 𝑎1

A2 𝑐21

𝑥21

𝑐22

𝑥22

𝑐23

𝑥23 …

𝑐2𝑛

𝑥2𝑛 𝑎2

A3 𝑐31

𝑥31

𝑐32

𝑥32

𝑐33

𝑥33 …

𝑐3𝑛

𝑥3𝑛 𝑎3

… … …

Am 𝑐𝑚1

𝑥𝑚1

𝑐𝑚2

𝑥𝑚2

𝑐𝑚3

𝑥𝑚3 …

𝑐𝑚𝑛

𝑥𝑚𝑛 𝑎𝑚

PERMIN

TAAN (D) 𝑡1 𝑡2 𝑡3 … 𝑡𝑛

43

Model Masalah Transportasi

Fungsi tujuan

𝑍 = 𝑐11𝑥11 + 𝑐12𝑥12 +⋯+ 𝑐1𝑛𝑥1𝑛 + 𝑐21𝑥21 + 𝑐22𝑥22 +⋯+ 𝑐2𝑛𝑥2𝑛 +⋯

+ 𝑐𝑚1𝑥𝑚1 + 𝑐𝑚2𝑥𝑚2 +⋯+ 𝑐𝑚𝑛𝑥𝑚𝑛

Fungsi kendala baris

𝑥11 + 𝑥12 + 𝑥13 +⋯+ 𝑥1𝑛 = 𝑎1

𝑥21 + 𝑥22 + 𝑥23 +⋯+ 𝑥2𝑛 = 𝑎2

…

𝑥𝑚1 + 𝑥𝑚2 + 𝑥𝑚3 +⋯+ 𝑥𝑚𝑛 = 𝑎𝑚

Fungsi Kendala kolom

𝑥11 + 𝑥21 + 𝑥31 +⋯+ 𝑥𝑚1 = 𝑡1

𝑥12 + 𝑥22 + 𝑥32 +⋯+ 𝑥𝑚2 = 𝑡2

…

𝑥1𝑛 + 𝑥2𝑛 + 𝑥3𝑛 +⋯+ 𝑥𝑚𝑛 = 𝑡𝑛

Keterangan:

𝑐𝑖𝑗 = biaya pengiriman dari suatu tempat asal ke tempat tujuan

𝑥𝑖𝑗 = alokasi pengiriman barang dari suatu sumber ke suatu tempat tujuan

𝑆𝑖 = supply atau kapasitas suatu sumber/ tempat asal

𝐷𝑗 = demand atau permintaan suatu tempat tujuan

CONTOH 14

Pabrik MAJU memiliki 4 buah gudang penyimpanan, yaitu A, B, C, D, yang

terletak di lokasi yang berbeda-beda. Pabrik MAJU juga mempunyai 5 agen

penyalur P, Q, R, S, T di lima kota yang berbeda. Pada suatu periode waktu,

masing-masing gudang berturut-turut menyimpan 900, 540, 810, dan 990

unit barang. Sementara agen penyalur berturut-turut memesan 360, 720,

540, 900, dan 720 unit barang. Biaya pengiriman dari satu gudang ke satu

agen disajikan pada slide berikutnya. PABRIK Menghendaki semua barang

44

terkirim dan semua permintaan agen terpenuhi dengan biaya sekecil

mungkin.

Tujuan Asal

P Q R S T KAPASI TAS

A 30

𝑥11 2

𝑥12 18

𝑥13 12

𝑥14 20

𝑥15 900

B 24

𝑥21 14

𝑥22 14

𝑥23 8

𝑥24 2

𝑥25 540

C 2

𝑥31 14

𝑥32 12

𝑥33 12

𝑥34 16

𝑥35 810

D 8

𝑥41 18

𝑥42 10

𝑥43 18

𝑥44 24

𝑥45 990

PERMINTAAN

360 720 540 900 720 3240

A

B

C

D

P

Q

R

S

T

45

Model Matematika dari masalah transportasi tersebut adalah:

Fungsi tujuan

𝑍 = 30𝑥11 + 2𝑥12 + 18𝑥13 + 12𝑥14 + 20𝑥15 + 24𝑥21 + 14𝑥22 +

14𝑥23 + 8𝑥24 + 2𝑥25 + 2𝑥31 + 14𝑥32 + 12𝑥33 + 12𝑥34 +

16𝑥35 + 8𝑥41 + 18𝑥42 + 10𝑥43 + 18𝑥44 + 24𝑥45

Fungsi kendala baris

𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 + 𝑥15 = 900

𝑥21 + 𝑥22 + 𝑥23 + 𝑥24 + 𝑥25 = 540

𝑥31 + 𝑥32 + 𝑥33 + 𝑥34 + 𝑥35 = 810

𝑥41 + 𝑥42 + 𝑥43 + 𝑥44 + 𝑥45 = 990

Fungsi Kendala kolom

𝑥11 + 𝑥21 + 𝑥31 + 𝑥41 = 360

𝑥12 + 𝑥22 + 𝑥32 + 𝑥42 = 720

𝑥13 + 𝑥23 + 𝑥33 + 𝑥43 = 540

𝑥14 + 𝑥24 + 𝑥34 + 𝑥44 = 900

𝑥15 + 𝑥25 + 𝑥35 + 𝑥45 = 720

A. MENCARI SOLUSI AWAL YANG FEASIBLE

Ada tiga metode untuk mencari solusi awal yang feasible pada masalah

transportasi

1. METODE NWC (NORTH WEST CORNER)

Solusi awal contoh masalah transportasi dengan metode NWC dicari

dengan langkah-langkah berikut.

Langkah penyelesaian:

a. Kotak pertama yang harus diisi adalah sel sebelah barat laut (pojok

kiri atas), sesuaikan dengan batasan permintaan dan kapasitas.

Contoh, pengisian dimulai dari sel 𝑥11. Kapasitas pada baris 1

adalah 900 dan permintaan pada kolom 1 adalah 360. Isikan 360

ke sel 𝑥11 (jumlah yang paling kecil). Tidak mungkin kita mengisi

900 karena akan melebihi permintaan dari P (kolom 1).

46

b. Geser satu sel ke kanan atau ke bawah tergantung baris/kolom

mana yang belum jenuh atau belum terisi penuh

c. Ulangi langkah 2 sampai kebutuhan terpenuhi

d. Pada program awal, berlaku:

Jumlah sel basis (sel yang terisi) = Jumlah baris + jumlah kolom – 1

Masalah transportasi pada contoh 14, jika menggunakan metode NWC,

diperoleh tabel solusi awal seperti berikut.

Tujuan Asal

P Q R S T KAPASITAS

A 30

360 2

540 18 12

20

900

B 24 14

180 14

360 8

2

540

C 2 14 12

180 12

630 16

810

D 8 18 10 18

270 24

720 990

PERMINTAAN 360 720 540 900 720 3240

Jadi solusi awal dengan metode NWC menghasilkan nilai Z sbb:

𝑍 = (360𝑥30) + (540𝑥2) + (180𝑥14) + (360𝑥14) +

(180𝑥12) + (630𝑥12) + (270𝑥18) + (720𝑥24)

𝑍 = 51.300

2. METODE INSPEKSI/ BIAYA SEL MINIMUM

Jika pada NWC pengisian sel dimulai dari sel pada sisi barat laut, pada

metode inspeksi/ biaya sel minimum dimulai dari sel dengan biaya

pengiriman terkecil. Jika ada 2 sel yang mempunyai biaya terendah

sama, maka bisa dipilih secara sembarang. Alokasikan sebanyak

mungkin pada sel tersebut dengan menyesuaikan batasan permintaan

dan kapasitas.

47

Pada contoh 10, biaya transport paling kecil adalah 2, yaitu pada sel

𝑥12, 𝑥25, 𝑥31.

Misal sel yang pertama kali diisi adalah sel 𝑥12. Karena ada kapasitas

900 dan permintaan 720, maka sel 𝑥12 diisi dengan 720.

Sel berikutnya yang diisi adalah sel 𝑥25. Karena ada kapasitas 540 dan

permintaan 720, maka sel 𝑥25 diisi dengan 540.

Dan seterusnya, pengisian dimulai dengan mendahulukan sel-sel yang

mempunyai biaya transport paling kecil.

Masalah transportasi pada contoh 14, jika menggunakan metode

inspeksi atau biaya sel minimum, diperoleh tabel solusi awal seperti

berikut.

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8

2

540 540

C 2

360 14 12 12

450 16

810

D 8 18 10

540 18

270 24

180 990

PERMINTAAN 360 720 540 900 720 3240

Bisa dilihat pada tabel program awal tersebut, berlaku:

Jumlah sel basis (sel yang terisi) = Jumlah baris + jumlah kolom – 1

Jadi solusi awal dengan metode inspeksi menghasilkan nilai Z sbb:

𝑍 = (720𝑥2) + (180𝑥12) + (540𝑥2) + (360𝑥2) +

(450𝑥12) + (540𝑥10) + (270𝑥18) + (180𝑥24)

𝑍 = 25.380

48

3. VAM (METODE PINALTI)

Langkah penyelesaian:

a. Cari selisih dua biaya pengiriman terkecil dari setiap baris atau

kolom. Misal pada baris pertama biaya pengiriman terkecilnya

adalah 2 dan 12, jadi selisihnya adalah 10. Selisih biaya pengiriman

dicari untuk setiap baris dan kolom dan dituliskan di sisi tabel

paling kanan (untuk selisih baris) dan paling bawah (untuk selisih

kolom)

b. Pilih baris/kolom dengan selisih biaya terbesar. Jika ada dua selisih

terbesar yang sama, maka bisa dipilih sembarang.

Terlihat pada tabel dibawah bahwa selisih terbesarnya adalah 14.

Jadi pilih kolom 5.

c. Pada baris/kolom yang terpilih, isilah sel yang biaya pengirimannya

terkecil dengan isi yang sebesar-besarnya dengan memperhatikan

kapasitas dan permintaan.

Pada kolom 5, isi sel 𝑥25 dengan 540.

d. Ulangi langkah 1 sampai persediaan habis dan kebutuhan

terpenuhi.

Berikut masalah transportasi pada contoh 14 jika menggunakan metode

VAM untuk mendapatkan solusi awal yang feasible.

49

Tujuan Asal P Q R S T

KAPASITAS SELISIH BIAYA

A 30 2

720 18 12

180 20

900 10 / 10 / 6 / 6 / 8* / - / - / -

B 24 14 14 8

2

540 540

6 / - / - / - / - / - / - / -

C 2

360 14 12 12

270 16

180 810

10 / 10 / 10*/ 4 / 4 / 4 / 12 / 12

D 8 18 10

540 18

450 24

990 2 / 2 / 2 / 8* / 6 / 6 /18* / -

PERMINTAAN 360 720 540 900 720 3240

SELI

SIH

B

IAYA

6 6 6 - - - - -

12 12* - - - - - -

2 2 2 2 - - - -

4 6 6 6 6 6 6 12

14* 4 4 4 4 8* - -

Diperoleh tabel solusi awal yang feasible seperti berikut.

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8 2

540 540

C 2

360 14 12 12

270 16

180 810

D 8 18 10

540 18

450 24

990

PERMINTAAN

360 720 540 900 720 3240

50

Jadi solusi awal dengan metode pinalti/ VAM menghasilkan nilai Z sbb:

𝑍 = (720𝑥2) + (180𝑥12) + (540𝑥2) + (360𝑥2) + (270𝑥12) +

(180𝑥16) + (540𝑥10) + (450𝑥18)

𝑍 = 25.020

B. OPTIMALISASI PROGRAM (PENGUJIAN DAN PERBAIKAN PROGRAM)

Setelah tabel awal transportasi dibuat (dengan sembarang metode),

langkah berikutnya adalah mengecek apakah tabel solusi awal tersebut

sudah optimal. Menentukan entering dan leaving variable adalah tahap

berikutnya setelah solusi awal feasible diperoleh. Ada dua cara yang dapat

digunakan untuk pengujian (menentukan entering dan leaving variable)

yaitu dengan menggunakan metode stepping stone dan Modified

Distribution Method (Metode MODI).

1. METODE STEPPING STONE

langkah-langkah pengujian dengan metode stepping tone

a. Pilih satu sel kosong.

b. Buat jalur tertutup (loop) dari sel kosong tersebut melalui sel-sel

yang terisi menuju kembali ke sel kosong yg terpilih tadi. Loop

ini bergerak secara horizontal & vertikal saja (bisa searah/

berlawanan arah jarum jam), dengan ketentuan:

1) Hanya ada loop untuk setiap kotak kosong.

2) Baik kotak terisi maupun kotak kosong dapat dilewati dalam

penyusunan loop.

c. Mulai dengan tanda (+) pada sel kosong terpilih, kita

menempatkan tanda (-) dan (+) secara bergantian pada setiap

sudut loop.

d. Menghitung opportunity cost (OC) dengan cara menjumlahkan

biaya transportasi pada sel bertanda (+) dan mengurangkan

biaya transportasi pada sel bertanda (-)

e. Mengulangi tahap 1 sampai 4 hingga OC untuk semua sel

kosong telah terhitung. Jika OC ≥ 0, solusi optimal telah

tercapai. Tapi jika masih ada OC < 0 maka dilakukan program

perbaikan.

51

CONTOH 15

Berikut tabel solusi awal permasalahan pada contoh 14 dengan

menggunakan metode inspeksi.

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8

2

540 540

C 2

360 14 12 12

450 16

810

D 8 18 10

540 18

270 24

180 990

PERMINTAAN 360 720 540 900 720 3240

Pembuatan loop dari sel-sel kosong dan penentuan OC

Sel Kosong

Loop OC

𝑥11 𝑥11 → 𝑥14 → 𝑥34 → 𝑥31 → 𝑥11 30 – 12 + 12 – 2 = 28

𝑥21 𝑥21 → 𝑥25 → 𝑥45 → 𝑥44 → 𝑥34→ 𝑥31 → 𝑥21

24 – 2 + 24 – 18 + 12 – 2 = 38

𝑥22 𝑥22 → 𝑥12 → 𝑥14 → 𝑥44 → 𝑥45→ 𝑥25 → 𝑥22

14 – 2 + 12 – 18 + 24 – 2 = 28

… … …

𝑥35 𝑥35 → 𝑥34 → 𝑥44 → 𝑥45 → 𝑥35 16 – 12 + 18 – 24 = –2

Untuk mengetahui apakah sebuah solusi awal sudah optimum atau

belum, diperiksa opportunity cost (OC) dari tiap sel kosong. Jika

masih ada OC < 0, artinya program belum optimal. Cara memeriksa

52

OC dilakukan dengan membuat loop dari sel kosong tsb melalui sel-

sel yang terisi menuju kembali ke sel kosong yg terpilih tadi

PERBAIKAN PROGRAM

Dari pemeriksaan OC sel-sel kosong, terdapat satu sel kosong yang

dimana OC < 0 (OC = -2), yaitu sel 𝑥35. Artinya, jika sel tersebut diisi

dengan satu unit barang, maka akan mengurangi biaya pengiriman

sebanyak 2 satuan. Karena program belum optimal, maka dilakukan

perbaikan program dengan cara sebagai berikut.

a. Membuat loop pada sel kosong yang terpilih (sel kosong dengan

nilai OC < 0), kemudian menempatkan tanda (+) dan (-) secara

bergantian pada ujung loop tersebut, dimulai dr tanda (+) pada

sel kosong terpilih.

b. Mengisi sel kosong tersebut dengan nilai terkecil yang ada di

ujung loop dengan tanda (-) dengan memperhatikan jumlah

kapasitas dan permintaan. Pada contoh berikut, nilai yang

bertanda negatif adalah 180 dan 450. Isikan yang terkecil (180)

pada sel yang bertanda (+).

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20 900

B 24 14 14

8 2

540 5s40

C 2

360 14 12 12 -

450 16 + 810

D 8 18 10

540 18 +

270 24 -

180 990

PERMINTAAN 360 720 540 900 720 3240

Jadi:

𝑥35 → + 180

𝑥34 → −180

𝑥44 → + 180

𝑥45 → −180

53

Tabel solusi setelah perbaikan program:

Iterasi 1

Tujuan

Asal P Q R S T

KAPASI

TAS

A 30 2

720

18 12

180

20 900

B 24 14 14 8

2

540 540

C 2

360

14 12 12

270

16

180 810

D 8 18 10

540

18

450

24

990

PERMIN

TAAN 360 720 540 900 720 3240

Ulangi pengecekan OC setiap sel kosong pada table hasil iterasi 1

untuk mengetahui apakah tabel ini merupakan tabel solusi optimum

atau bukan. Jika masih ada OC yg negatif, lakukan perbaikan program

sampai tidak ada nilai OC < 0.

2. MODI (Modified Distribution)

Langkah-langkah pengujian dengan metode modi:

a. Tentukan bilangan baris (B) dan bilangan kolom (K) untuk setiap

sel yang terisi (variable basis) yang memenuhi hubungan:

𝑐𝑖𝑗 = 𝐵𝑖 + 𝐾𝑗 dimana 𝑐𝑖𝑗 = biaya pengiriman pada sel ij

𝐵𝑖 = bilangan baris ke-i

𝐾𝑗 = bilangan kolom ke-j

Setelah semua persamaan dari sel-sel yang terisi telah tertulis,

tetapkan 𝑩𝟏 = 𝟎, kemudian cari semua nilai 𝐵𝑖 dan 𝐾𝑖 untuk

semua sel terisi.

54

b. Menghitung opportunity cost (OC) setiap sel kosong dengan

rumus:

𝑂𝐶𝑖𝑗 = 𝑐𝑖𝑗 − (𝐵𝑖 + 𝐾𝑗)

c. Jika masih ada nilai 𝑂𝐶𝑖𝑗 < 0 pada sel kosong, artinya program

belum optimal. 𝑂𝐶𝑖𝑗 yang negatif pada sel kosong menunjukkan

bahwa jika sel kosong tersebut diisi maka akan menyebabkan

pengurangan biaya transportasi total.

d. Pilih nilai 𝑂𝐶𝑖𝑗 yang paling negatif kemudian lakukan perbaikan

program seperti pada metode stepping tone.

CONTOH 16

Berikut tabel solusi awal permasalahan pada contoh 14 dengan

menggunakan metode inspeksi.

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8

2

540 540

C 2

360 14 12 12

450 16

810

D 8 18 10

540 18

270 24

180 990

PERMINTAAN 360 720 540 900 720 3240

55

Penentuan bilangan baris (B) dan bilangan kolom (K)

Sel isi Perhitungan nilai B dan K

(1,2) 𝑐12 = 𝐵1 + 𝐾2 2 = 0 + 𝐾2 𝐾2 = 2

(1,4) 𝑐14 = 𝐵1 + 𝐾4 12 = 0 + 𝐾4 𝐾4 = 12

(3,4) 𝑐34 = 𝐵3 +𝐾4 12 = 𝐵3 + 12 𝐵3 = 0

(3,1) 𝑐31 = 𝐵3 + 𝐾1 2 = 0 + 𝐾1 𝐾1 = 2

(4,4) 𝑐44 = 𝐵4 + 𝐾4 18 = 𝐵4 + 12 𝐵4 = 6

(4,5) 𝑐45 = 𝐵4 + 𝐾5 24 = 6 + 𝐾5 𝐾5 = 18

(4,3) 𝑐43 = 𝐵4 + 𝐾3 10 = 6 + 𝐾3 𝐾3 = 4

(2,5) 𝑐25 = 𝐵2 +𝐾5 2 = 𝐵2 + 18 𝐵2 = −16

Untuk mengetahui apakah sebuah solusi awal sudah optimum atau

belum, diperiksa opportunity cost (OC) dari tiap sel kosong. Jika

masih ada OC yang negative, artinya program belum optimal. Cara

memeriksa OC dengan rumus 𝑂𝐶𝑖𝑗 = 𝑐𝑖𝑗 − (𝐵𝑖 + 𝐾𝑗)

Penentuan Nilai OC

P Q R S T

KAPASITAS

B

A 30 2

720 18 12

180 20

900 0

B 24 14 14 8

2

540 540 -16

C 2

360 14 12 12

450 16

810 0

D 8 18 10

540 18

270 24

180 990 6

PERMINTAAN 360 720 540 900 720 3240

K 2 2 4 12 18

56

Sel kosong Perhitungan OC

(1,1) 𝑐11 − (𝐵1 + 𝐾1) 30 – (0 + 2) 28

(1,3) 𝑐13 − (𝐵1 + 𝐾3) 18 – (0 + 4) 14

(1,5) 𝑐15 − (𝐵1 + 𝐾5) 20 – (0 + 18) 2

(2,1) 𝑐21 − (𝐵2 + 𝐾1) 24 – (-16 + 2) 38

(2,2) 𝑐22 − (𝐵2 + 𝐾2) 14 – (-16 + 2) 28

(2,3) 𝑐23 − (𝐵2 + 𝐾3) 14 – (-16 + 4) 26

(2,4) 𝑐24 − (𝐵2 + 𝐾4) 8 – (-16 + 12) 12

(3,2) 𝑐32 − (𝐵3 + 𝐾2) 14 – (0 + 2) 12

(3,3) 𝑐33 − (𝐵3 + 𝐾3) 12 – (0 + 4) 8

(3,5) 𝑐35 − (𝐵3 + 𝐾5) 16 – (0 + 18) -2

(4,1) 𝑐41 − (𝐵4 + 𝐾1) 8 – (6 + 2) 0

(4,2) 𝑐42 − (𝐵4 + 𝐾2) 18 – (6 + 2) 10

Karena masih ada OC yang negatif, artinya program belum optimal

sehingga harus dilakukan perbaikan program.

PERBAIKAN PROGRAM

Dari pemeriksaan OC sel-sel kosong, terdapat satu sel kosong yang

OC <0 (OC = -2), yaitu sel 𝑥35. Artinya, jika sel tersebut diisi dengan

satu unit barang, maka akan mengurangi biaya pengiriman sebanyak

2 satuan. Cara memperbaiki program tersebut yaitu:

a. Buat loop pada sel kosong yang terpilih (sel kosong dengan nilai

OC < 0), kemudian menempatkan tanda (+) dan (-) secara

bergantian pada ujung loop tersebut, dimulai dr tanda (+) pada

sel kosong terpilih.

b. Isi sel kosong tersebut dengan nilai terkecil yang ada di ujung loop

dengan tanda (-) dengan memperhatikan jumlah kapasitas dan

permintaan. Pada contoh berikut, nilai yang bertanda negatif

adalah 180 dan 450. Isikan yang terkecil (180) pada sel yang

bertanda (+).

57

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8

2

540 540

C 2

360 14 12 12 -

450 16 +

810

D 8 18 10

540 18 +

270 24 -

180 990

PERMINTAAN 360 720 540 900 720 3240

Jadi:

𝑥35 → + 180 𝑥44 → + 180

𝑥34 → −180 𝑥45 → −180

Tabel solusi setelah perbaikan program:

Iterasi 1

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8

2

540 540

C 2

360 14 12 12

270 16

180 810

D 8 18 10

540 18

450 24

990

PERMINTAAN 360 720 540 900 720 3240

Ulangi dari langkah 1. Jika masih ada nilai OC < 0, lakukan perbaikan

program sampai tidak ada nilai OC yang negatif.

58

Setelah di periksa kembali, tidak ada nilai OC < 0 pada tabel iterasi 1

di atas. Jadi tabel di atas sudah optimum dengan biaya pengiriman

total:

𝑍 = (720𝑥2) + (180𝑥12) + (540𝑥2) + (360𝑥2) +

(270𝑥12) + (180𝑥16) + (540𝑥10) + (450𝑥18)

𝑍 = 25.020

Dengan nilai 𝑥12 = 720, 𝑥14 = 180, 𝑥25 = 540, 𝑥31 = 360, 𝑥34 =

270, 𝑥35 = 180, 𝑥43 = 540, 𝑥44 = 450

C. PERSEDIAAN DAN PERMINTAAN TAK SEIMBANG

Dalam beberapa masalah transportasi, jumlah kapasitas yang tersedia dan

permintaan kadang tidak seimbang. Misalnya, jumlah kapasitas yang lebih

besar daripada permintaan, dan sebaliknya.

1. Jika kapasitas lebih besar dari permintaan, maka ditambahkan satu

kolom tujuan sebagai dummy variable atau artificial destination

(tujuan semu).

CONTOH 17

Tujuan Asal

P Q R KAPASITAS

A 4 4 2

45 45

B 3 7

20 8

15 45

C 2

40 5

30 6

70

PERMINTAAN 40 50 60

Pada contoh diatas, terlihat bahwa jumlah kapasitas adalah 160,

sedangkan permintaan 150. Untuk menyeimbangkan kapasitas dan

permintaan, ditambahkan satu kolom dummy variable atau artificial

destination (tujuan semu), yaitu kolom S, dimana iaya pengiriman

pada kolom dummy variable tersebut adalah nol (0) seperti pada

tabel berikut.

59

Tujuan Asal

P Q R S KAPASITAS

A 4 4 2

45 0

45

B 3 7

20 8

15 0

10 45

C 2

40 5

30 6 0

70

PERMINTAAN

40 50 60 10

2. Jika kapasitas lebh kecil dari jumlah permintaan, maka ditambahkan

satu baris tempat asal sebagai dummy variable atau artificial capacity

(kapasitas semu).

CONTOH 18

Tujuan Asal

P Q R KAPASITAS

A 12

30 18 10

150 180

B 8 6

120 16

120

C 16

90 12

90 20

180

PERMINTAAN

150 210 150

Pada contoh diatas, terlihat bahwa jumlah kapasitas adalah 4800,

sedangkan permintaan 510. Untuk menyeimbangkan kapasitas dan

permintaan, ditambahkan satu baris dummy variable atau artificial

capacity (kapasitas semu), yaitu baris D, dimana biaya pengiriman

pada kolom dummy variable tersebut adalah nol (0) seperti pada

tabel berikut.

60

Tujuan Asal

P Q R KAPASITAS

A 12

30 18 10

150 180

B 8 6

120 16

120

C 16

90 12

90 20

180

D 0

30 0 0

30

PERMINTAAN

150 210 150

Setelah ditambahkan dummy variable, langkah-langkah yang

digunakan untuk menyelesaikan kasus kapasitas dan permintaan

yang tidak seimbang sama dengan masalah transportasi yang

seimbang, yaitu menentukan solusi awal yang feasible (dengan NWC,

inspeksi, atau VAM), pengujian, dan perbaikan program.

D. PO TIDAK TUNGGAL

Jika dalam pengujian OC se-sel kosong terdapat nilai OC = 0, artinya jika

sel dengan OC = 0 diisi maka tidak akan mengubah nilai Z.

61

CONTOH 19

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8

2

540 540

C 2-

360 14 12 12+

270 16

180 810

D 8+ 18 10

540 18-

450 24

990

PERMINTAAN 360 720 540 900 720 3240

𝑍 = (720𝑥2) + (180𝑥12) + (540𝑥2) + (360𝑥2) + (270𝑥12) +

(180𝑥16) + (540𝑥10) + (450𝑥18)

𝑍 = 25.020

Sel Kosong

Loop OC

𝑥41 𝑥41 → 𝑥31 → 𝑥34 → 𝑥44 → 𝑥41 8 – 2 + 12 – 18 = 0

Pada contoh ini, nilai OC sel 𝑥41 adalah 0.

Misal sel 𝑥41 diisi/ masuk program perbaikan dengan membentuk loop

dan mengisi sel tersebut dengan nilai terkecil loop yang bertanda (-).

𝑥41 → + 360

𝑥31 → −360

𝑥34 → + 360

𝑥44 → −360

Dihasilkan tabel berikut.

62

Tujuan Asal

P Q R S T KAPASITAS

A 30 2

720 18 12

180 20

900

B 24 14 14 8

2

540 540

C 2 14 12 12

630 16

180 810

D 8

360 18 10

540 18

90 24

990

PERMINTAAN

360 720 540 900 720 3240

𝑍 = (720𝑥2) + (180𝑥12) + (540𝑥2) + (630𝑥12) + (180𝑥16) +

(360𝑥8) + (540𝑥10) + (90𝑥18)

𝑍 = 25.020

Tampak bahwa nilai Z tidak berubah walaupun sel 𝑥41 diisi.

63

LATIHAN 2

Sebuah perusahaan gula mempunyai tiga buah pabrik yaitu pabrik A, B, dan

C, dengan kapasitas masing-masing 150 ton, 175 ton, 275 ton. Perusahaan

tersebut hendak mengirimkan gula ke tiga kota, yaitu P, Q, R, dengan

kebutuhan masing-masing kota adalah 200 ton, 100 ton, dan 300 ton. Biaya

pengiriman dalamdari masing-masing pabrik ke kota tujuan disajikan dalam

table berikut.

Tujuan Asal

P Q R KAPASI TAS

A 6

𝑥11 8

𝑥12 10

𝑥13 150

B 7

𝑥21 11

𝑥22 11

𝑥23 175

C 4

𝑥31 5

𝑥32 12

𝑥33 275

PERMIN TAAN

200 100 300 600

a. Tentukan solusi awal dari soal tersebut dgn metode NWC, metode

inspeksi, dan metode VAM

b. Lakukan pengujian OC dari solusi awal yang diperoleh dengan metode

VAM

c. Jika masih ada OC < 0, lakukan perbaikan program (iterasi 1)

d. Setelah iterasi 1, lakukan kembali pengujian OC utk memeriksa

apakah program sudah optimum/belum. Jika belum optimal, lakukan

lg perbaikan program (iterasi 2), dst.

e. Periksa apakah ada PO lain. Jika ada, sebutkan.

64

DAFTAR PUSTAKA

Suyitno, H. 2018. Program Linier dengan Penerapannya. Yogyakarta: Magnum

Pustaka Utama

Darta, & Kandaga, T. 2019. Program Linier dan Aplikasinya. Bandung: Refika

Aditama.

Rafflesia, U., & Widodo, F. H. Pemrograman Linier. Bengkulu: Badan Penerbitan

Fakultas Pertanian UNIB

Kurniasih, M. B. 2015. Program Linier. Universitas Muhammadiyah Prof. Dr. Hamka.